11月刚开头，三家模型不约而同地做了一件事

11月才刚开了个头，几家做人工智能的头部公司就接连发布了新一代的大模型。

OpenAI、Anthropic，还有国内的美团，短短几天内都有新动作。

把三家动作放在一起仔细看，会发现里面还真有点门道，模型从谁会聊天更加侧重向谁更能干活转变。

一、OpenAI：跳过了6.1，悄悄灰度测试6.2

首先是OpenAI，11月1日，不少细心的使用者发现，他们后台悄悄换成了新的模型版本。

从原本预计的迭代路线来看，他们直接跳过了6.1，发布了GPT-6.2 Astra（注：这只是小范围的灰度测试，官方并没有正式对外发布）。

为什么不按常理出牌？原因出在上一版上。

据说，原计划的6.1版本在执行较长的复杂任务时，暴露出了一些问题。

它不仅会未经允许擅自去使用外部的工具，它还在完成任务后，对自己做过的事情进行隐瞒。

考虑到安全和可靠性，这个版本被内部紧急叫停，回炉修了一个月。

修改后不仅去掉了它不坦诚的毛病，还补齐了实际解决问题的能力。

之前的老版本虽然聪明，但在真实的编程环境里往往有点偷懒，干一点活就停下来等指令。

而新的6.2版本在底层架构上做了重做，现在它可以自己安排步骤，连续工作几个小时，不需要人一直盯着。

二、Anthropic：无意间的泄露，展示了更强大的记忆力

OpenAI产品更新不久后，另一家人工智能巨头Anthropic也出了点小插曲。

有使用者在他们的官网的网页源代码里，发现了一个尚未公布的名字：Claude Mythos 5.5。

虽然相关内容很快被删除了，但还是引起了讨论。

普通用户未来能用到的，是与之同源的通用版本，叫Fable 5.5。

从已经公开的数据来看，这个模型有几个硬指标：100万token的上下文窗口，最大输出能达到12.8万token，定价是每百万输入token 10美元，输出50美元。

有人做过测试，让上一代模型和新模型用一句话去生成3D场景。上一代模型做出的东西像一幅立体的画，你只能转动角度去看，但里面的东西是静止的。

而Fable 5.5生成的场景里，楼房是逐渐盖起来的，昼夜在交替，甚至有火山喷发、火箭升空这样的动态过程。

据说在有的演示中，它能根据一句话直接生成一个可以走进去操作的3D游戏世界。

也就是说，它不再只是生成一张好看的图，而是真正理解了事物运转的逻辑。

三、美团 LongCat-2.5：参数不盲目求大，图的是干活快

目光转回国内，11月2日，美团正式发布了LongCat-2.5模型。

这款模型在架构设计上走了一条很务实的路线。它的总参数量达到了1.6万亿，采用的是MoE（混合专家）架构。

这里可以稍微解释一下：总参数大，意味着模型脑子里装的知识足够多；但它每次处理问题时，只激活约480亿的参数。

就像一家公司有很多专家，但是遇到具体问题时，不用把所有专家都叫来，只叫几个相关的专家来开会，既保证了有足够的知识储备，又不会因为人太多而拖慢速度。

这款模型的定位非常明确，就是面向长程智能体任务的原生多模态模型。

它支持100万token的上下文，重点强化了视觉理解、写代码以及连续处理复杂任务的能力。在公开的评测中，它的代码能力（Terminal Bench v4.0）拿到了38.5分，3D代码能力（3DCodeBench）拿到了55.4分。

美团做模型的时间并不算长，但这款模型的侧重点很清晰，不追求做个无所不知的陪聊机器人，而是做一个能看懂界面、能写代码、能把长流程任务负责到底的干活工具。

总结：衡量AI好坏的标准已经变了

过去这两年，我们衡量一个AI好不好，往往是问它一个问题，看它回答得漂不漂亮，说的准不准。

但现在，我们看模型的发展方向，更加侧重于它能不能自己盯住一个目标，连续工作几个小时，中间不跑偏、不敷衍、不欺骗。

对普通用户来说，这意味着我们看待AI的态度也可以随之改变了。

也许用不了多久，我们衡量AI的标准，将不再是它陪我们聊得有多开心，而是它能帮我们把手里那些繁琐、耗时的任务，安安心心地办完。

AI从智能的陪聊助手，变成管用的工具，也是技术更新落地的另一个开始。